அனைத்து அடிப்படைகள்¸ டேட்டா சைன்ஸ் தொகுதிகள் மற்றும் இயந்திர கற்றல் மற்றும் அதன் கருவிகளின் பயன்பாடு

பைத்தான் மற்றும் பைத்தான் நோட்புக் மற்றும் பல

திட்டம் மற்றும் நிரலாக்க கருத்து, பைத்தான் உள்ள நிரலாக்க கட்டமைப்புகள் மற்றும் பல

Numpy Package, உருவாக்குதல் மற்றும் வரிசைப்படுத்துதல்¸ வரிசை மற்றும் கோப்பு உள்ளீடு மற்றும் வெளியீட்டைப் பயன்படுத்தி டேட்டா செயலாக்கம்.

பாண்டஸ் அறிமுகம், பாண்டஸ் தொகுப்புகள் ஹேண்ட்சன், டேட்டா ஃப்ரேம் மற்றும் லிஸ்ட் மற்றும் டேட்டா ஃப்ரேம் மற்றும் செட் மற்றும் OTS ஹேண்ட்சன் ஆகியவற்றை உருவாக்குது

டேட்டா விஸ்வலேசன் அறிமுகம், ஹேண்ட்சன் லைன் கிராஃப்¸ பை சார்ட்¸ பார் கிராஃப்¸ மற்றும் பல

விளக்க புள்ளிவிவரம் அறிமுகம் மற்றும் பல

ஹய்போதீசிஸ் அறிமுகம்¸ ஹய்போதீசிஸ் உருவாக்கம் மற்றும் அதன் செயல்முறை மற்றும் ஹய்போதீசிஸ் பிழைகள்

இன்பரன்சியல் புள்ளிவிவரங்கள் பற்றிய முன்னுரை, Scipy பயன்படுத்தி நான் பேராமெட்ரிக் டெஸ்ட் செய்யும் முறை, நான் பேராமெட்ரிக் டெஸ்டான்ட்ஸான், Scipy பயன்படுத்தி பேராமெட்ரிக் டெஸ்ட் ஹான்ட்ஸான்

தகவல் தயாரிக்கும் முறைகள் மற்றும் எக்ப்ளோரேடரி டேட்டா ஆய்வு

தகவல் சேகரிக்கும் முறைகள், தகவல் வகைகள், தகவல் பிழைகள் மற்றும் தகவல் கையாளும் முறைகள்

கோரிலேன் பற்றிய முன்னுரை, பிராடக்ட் மூவ்மென்ட் கோரிலேன் மற்றும் பயன்பாடு, ஹய்பாதீஸிஸ் பயன்படுத்தி கோரிலேன் செய்யும் முறை, ஸ்கிப்பி பேக்கேஜஸ் பயன்படுத்தி கோரிலேன் ஹான்ட்ஸான்

வினாப்பட்டியல் தயாரிக்கும் முறை மற்றும் அதன் பயன்பாடு

வினாப்பட்டியல் தயாரிக்கும் முறை மற்றும் அதன் பயன்பாடு

பாக்டர் அனாலிசிஸ் - பி.சி.யே மற்றும் ரொடேஷன் முறை பாக்டர் அனாலிசிஸ் - நிகழ்நேர கேஸ்டடி மற்றும் Sklearn பயன்படுத்தி பாக்டர் அனாலிசிஸ் ஹாண்ட்ஸ்-ஆன்

ஹயரார்க்கிகள் க்ளஸ்டரிங் நான் ஹயரார்க்கிகள் க்ளஸ்டரிங் மற்றும் க்ளஸ்டர் அனாலிசிஸ் ஹாண்ட்ஸ்-ஆன்

டேட்டா ஆர்கிடெக்ச்சர், டேட்டா வேர்ஹவுஸிங் மற்றும் மல்டி டைமென்ஷனல்-மாடல்

ஹைபோதிசிஸ் டெஸ்டிங்' பயன்படுத்தி ANOVA மற்றும் Python பயன்படுத்தி ஹாண்ட்ஸ்-ஆன்

ஹைபோதிசிஸ் டெஸ்டிங்' மற்றும் ANCOVA பயன்படுத்தி ஹாண்ட்ஸ்-ஆன்

டிஸ்க்ரிமினன்ட் அனாலிசிஸ் (Discriminant Analysis ) மற்றும் அதன் பயன்பாடு, Python பயன்பாடு டிஸ்க்ரிமினன்ட் அனாலிசிஸ் ஹாண்ட்ஸ்-ஆன்

லாஜிஸ்டிக் ரிக்ரஷன் (Logistic Regression ) முறைகள் மற்றும் பயன்பாடு Sklearn தொகுப்புகள்

லீனியர் ரிக்ரஷன் (Linear Regression ) பற்றிய முன்னுரை, ஹைப்போதிஸிஸ் (Hypothesis ) சோதனை பயன்படுத்தி Simple ரெஃப்ரெஸ்ஸின், Multiple Regression மற்றும் அனுமானங்கள், Python பயன்படுத்தி Simple மற்றும் Multiple Regression ஹன்ஸ்டான்

நிகழ்தகவு (Probability) பற்றிய முன்னுரை, அதன் பயன்பாடு மற்றும் Probability பயன்படுத்தி போயீஸ் தேற்றம் (Baye ' s Theorem)

தனித்துவமான நிகழ்தகவு விநியோகம்(Discrete Probability Distribution )-இருவகை விநியோகம் (Binomial ), பாய்சான் (Poisson ) மற்றும் ஹாப்பர் ஜியோமெட்ரிக் விநியோகம் (Hyper geometric Distribution ) மற்றும் அதன் பயன்பாடு

தொடர்ச்சியான நிகழ்தகவு விநியோகம்(Continuous Probability Distribution)- சீரான நிகழ்தகவு (Uniform ), சாதாரண நிகழ்தகவு (Normal ) மற்றும் எக்ஸ்போனான்ஷியல்/அதிவேக (Exponential Distribution ) அதன் பயன்பாடுகள்

அஃப்ரியோரி வழிமுறை (Apriori Algorithm), மார்க்கெட் பாஸ்க்ட் அனாலிசிஸ்(Market Basket Analysis) மற்றும் அஃப்ரியோரி வழிமுறை (Apriori Algorithm)ஹான்ஸ்டான்

செயற்கை சித்தனை இணையம்/ செயற்கை நரம்பு பின்னலமைப்பு (ANN )-சிங்கிள் (Single ) மற்றும் மல்டி ளேயெர்ட் ஆர்கிடெக்ச்சர்(Multi Layered Architecture) மற்றும் ANN நிகழ்நேர (Real Time) எடுத்துக்காட்டு

டெசிஷன் ட்ரீ (Decision Tree) முன்னுரை மற்றும் Logics செயல்படுத்தும் முறை டெசிஷன் ட்ரீ (Decision tree) - Sklearn Packages பயன்படுத்தி ஹங்ஸ்ட்ரான்

ரான்டொம் போரெஸ்ட் (Random Forest)-முன்னுரை மற்றும் Logics செயல்படுத்தும் முறை மற்றும் Random Forest - Sklearn Packages பயன்படுத்தி ஹான்ஸ்டான்

நைவ் பேயீஸ் வகைப்பாடு (Naïve Baye's Classification) - முன்னுரை மற்றும் செயல்படுத்தல் தர்க்கங்கள்

KNN - முன்னுரை மற்றும் தர்க்கம் செயல்படுத்தும் முறை KNN - Sklearn Packages பயன்படுத்தி ஹான்ஸ்டான்

சப்போர்ட் வெக்டர் மெஷின் (SVM) - முன்னுரை மற்றும் தர்க்கம் செயல்படுத்தும் முறை SVM - Sklearn Packages பயன்படுத்தி ஹான்ஸ்டான்

ANN - முன்னுரை, கட்டமைப்பு / ஆர்கிடெக்சர் (Architecture) மற்றும் திட்ட வரைபடம் (Schematic diafram), Architectural வகைகள், முன் செயலாக்கம் (Pre Processing) வழிமுறைகள்